股市量化投资浅谈.ppt

股市量化投资浅谈 截拳道要义：简单、直接、有效 截：截断对方攻击，视为防守 ； 截住亏损 拳：主动出拳，视为攻击。 让利润奔腾 道： “快、准、狠” 量化选股、择时体系 提纲 量化选股周报 量化投资理念（quantitative investing theory） ： 从海量历史数据中寻找能够带来超额收益的多种“大概 率”策略，在合适的行情用合适的策略。 -宗旨： keep it short and simple; 量化研究始于：2009年7月入职起； 量化选股周报首期：2010年8月15日，迄今72期 止损法则：买入后从高点回落5%，单日跌破3.5% 果断止损。 总体概况：远远强于任何市场基准指数，应用动 态交易法则，累积收益强于市面推出绝大部分组合， 组合中常有涨停股爆发。 量化选股介绍 量化选股举例（3天上涨28%） 让利润奔腾 量化选股举例（3天上涨28%） 量化选股举例（17交易日上涨41.68%） 让利润奔腾 量化选股举例（17交易日上涨41.68%） 量化选股（从未被超越） 量化选股（$浙江东日$期待被超越） 最近一期选股（5.29开盘前发布） 证券代码证券简称 区间涨跌幅 2012-05-29 to 05-29 区间涨跌幅 2012-05-29 to 05-30 600480.sh 凌云股份0.00006.1975 000012.sz 南玻a6.15065.3022 600876.sh 洛阳玻璃10.063913.2588 601777.sh 力帆股份1.20640.4021 数据来源：wind资讯 小 结： 选股单边模式： （做趋势） 1、收敛后的爆发；（上文例子） 2、突破后的回档；（下页） 择时：小区间过后是大区间，大区间过后是小区间 证券交易70%的时间处于震荡行情： 低波动类网格交易法（见下页） 突破后的回档： （鄂武商a） 低风险交易策略举例（类网格织布策略） 跟踪止盈止损损策略(2010.12.1-2011.7.22) 数据来源：天软 东吴证券研究所 低风险交易策略举例（类网格织布策略） 数据来源：天软 东吴证券研究所 固定网格动态网格（跟随 止盈止损） 起始资金（万元）20002000 期末资金（万元） 2212.9092336738 累积收益率（%） 10.65 16.84 印花税（万） 46.8021 72.91063 买卖佣金（万） 46.6861 72.7358 止盈比数（笔） 27 60 止损比数（笔） 18 8 附注：策略起讫日期：2010.12.1-2011.4.21；印花税为1/1000，买卖佣金来回1/1000 。 心性之刀（截住亏损） 股市是财富的再分配场所，推动股价升降的背后力量是人性 。 中短线交易中，盈利的交易大多是介入不久即开始拉升 。 股市是自适应市场，他是不断进步的，你只 有跑的比他快才行，需要不断冲刺，只要你慢了 ，他一定会赶上来，不能停下，市场是越跑越快 的，这个市场只是手段和过程，不要把他当成目 的和终点。（量化周报的止损法则如下） 资金管理 股市是资金与筹码的交换，不要在黎明来临之前倒下。 股市是经济的一面镜子，有其内在的周 期运行规律，其周期与我国固有的“五年计划” 及政府任期有关，但股票单边做多交易有其 随机性，理想的高胜率选股策略并不能持续 有效，投资者多次交易中，能有50%是正确 的操作就不错了。资金曲线能否稳定增值在 于其仓位管理和风控措施。 动态选股系统 技术的真爱寻找关系 高胜算交易策略 在大时间结时间结 构动动量指标标方向上交易； 随着小时间结时间结 构动动量指标标反转执转执 行交易入场计场计 划 ； 高胜算交易策略 第一层滤层滤 网 -市场场潮流 利用趋势跟随指标判断周线趋势，且只顺从趋 势方向操作，最初的系统是用周线macd柱的倾斜 方向来判断市场潮流。 第二层滤网-市场波浪 第二层识别与潮流逆向的波浪。当周线趋势向上时 ，日下下跌提供了买入时机；当周线趋势向下时， 日线上涨提供了放空时机。（震荡指标） 第三层滤网-盘中突破 第三层是识别与潮流同向的小涟漪。它根据即时价 格变化来寻找入场点。 动态交易（dynamic trading） 强势上涨型： 回调模式，压缩弹簧模式、蓝天突破模式； 弱势上涨趋势： 回调模式，弹簧模式、看涨背离、底部 上涨突破 ； 强势下跌型 底部 上涨突破、 弱势下跌型 看涨背离、底部 上涨突破 震荡（或没有趋势） 看涨背离、底部 上涨突破 （以上是做多模式） 五种最好的做空模式： 减缓反弹 ：强势下跌市场、弱势下跌市场 ； 看跌背离：震荡、弱势下跌、弱势上涨市场； 向下跳空：强势上涨、弱势上涨、震荡市场； 蓝海向下突破：强势下跌市场； 上升楔形向下突破：强势上涨、弱势上涨、震荡市 场； 量化选股小结 量化投资理念 （quantitative investing theory）： 从海量历史数据中寻找能够带来